Chín trang trống trong hồ sơ bơi lội: nghề dữ liệu thể thao Việt Nam và câu trả lời 'chưa đủ thông tin'

Tập tin có tên boiduong_quocgia_tonghop.xlsx, chín trang, mở lúc 23 giờ 40 ngày 12 tháng 7. Trang một dành cho phân tích kỹ thuật: xuất phát, đoạn lặn dưới nước, quay vòng, về đích, hiệu suất bơi. Trang hai dành cho thành tích và dữ liệu: mốc kỷ lục, danh sách mọi thời đại, thứ hạng mùa giải. Trang ba dành cho hệ thống thi đấu và cơ chế tham dự. Trang bốn dành cho bản đồ thế giới của môn bơi theo từng nội dung. Trang năm dành cho luật thi đấu và quản trị chống doping. Trang sáu dành cho quỹ đạo sự nghiệp vận động viên và hệ thống đội nhóm. Trang bảy dành cho hồ sơ rủi ro. Trang tám dành cho câu chuyện truyền thông và kỳ vọng. Trang chín dành cho hiệu ứng lan tỏa của ngành.

Chín trang ấy mở được, định dạng đúng, tiêu đề đúng, công thức đúng vị trí. Chúng chỉ trống. Cột điểm dữ liệu không có một dòng nào. Cột đối tượng được nhắc tên trống. Cột nguồn trống. Cột ngày công bố trống.

Một tập tin như thế nguy hiểm hơn một tập tin rỗng hoàn toàn. Tập tin rỗng thì không ai mở. Tập tin có đủ chín trang, đủ tiêu đề, đủ khung thì luôn có người đọc và tin rằng mình vừa đọc xong một bản phân tích.

Điểm dữ liệu nguyên tử là đơn vị nhỏ nhất không thể chia nhỏ thêm mà vẫn giữ được ý nghĩa, và nó là thứ duy nhất nuôi được một kết luận.

Tôi bắt đầu nhìn hồ bơi bằng mắt của một phóng viên từ năm 2026, khi vào Thanh Niên Báo phụ trách mảng bơi lội. Thời đó tôi ghi chép bằng sổ tay, mỗi buổi chung kết là hai trang giấy, mỗi trang là một danh sách thành tích do ban tổ chức dán lên bảng tin. Kỷ luật ấy theo tôi suốt hai mươi hai năm sau đó: viết từ thứ đã quan sát được, không viết từ thứ đã nghe kể lại.

Năm 2026, khi phân tích ba trận vòng bảng của đội U20 Việt Nam tại World Cup U20 ở Hàn Quốc, tôi học được một bài học khác. Ba trận ấy đội tạo ra 2,1 xG, nhưng bàn thắng duy nhất đến từ một cú đá phạt có xG 0,08. Chỉ số PPDA 5,4 trước Pháp cho thấy áp lực tầm cao hoạt động đúng như thiết kế. Vấn đề nằm ở khâu chuyển hóa, và khâu đó chỉ hiện ra khi tôi chịu ngồi đếm từng cơ hội một, thay vì viết rằng đội đã chơi tốt.

Từ đó đến nay, mọi bài phân tích của tôi đều bắt đầu bằng một câu hỏi nghiệp dư rất đơn giản: tôi đang có bao nhiêu điểm dữ liệu có thể truy vết cho chủ đề này. Nếu con số đó bằng không, tôi không viết.

Điều đáng nói là phần lớn nội dung thể thao được sản xuất mỗi ngày ở Việt Nam lại bắt đầu từ một trạng thái gần giống như vậy: khung đầy đủ, dữ liệu trống, và kết luận vẫn được viết ra.

Hạ tầng dữ liệu bơi lội Việt Nam có một nghịch lý dễ thấy. Ở tầng quốc gia, mọi thứ trông rất đầy đủ. Liên đoàn Thể thao dưới nước Việt Nam công bố kết quả giải vô địch quốc gia theo từng nội dung, có tên vận động viên, có đơn vị chủ quản, có thành tích tính đến từng phần trăm giây. Các kỳ SEA Games, ASIAD và Olympic đều có bảng kết quả chính thức bằng tiếng Anh, tải được, kiểm chứng được.

Nhưng ở tầng chi tiết, nơi phân tích thật sự sống, thứ thiếu lại nhiều hơn thứ có. Đường bơi 50m của một chung kết 200m hỗn hợp hiếm khi được công bố đầy đủ. Thời gian phản xạ sau hiệu lệnh xuất phát hầu như không xuất hiện trong bản tin trong nước. Số lần quay vòng, chất lượng quay vòng, quãng đường lặn dưới nước sau xuất phát và sau mỗi lần quay vòng, nhịp tay, quãng đường mỗi chu kỳ tay, tất cả đều nằm ngoài phần dữ liệu được phát hành.

Có một chi tiết kỹ thuật nhỏ nhưng làm thay đổi toàn bộ cách đọc kết quả: bể 25m và bể 50m. Nhiều giải trong nước tổ chức ở bể ngắn, nơi vận động viên có gấp đôi số lần quay vòng và có lợi thế từ mỗi lần đẩy thành bể. Một thành tích ở bể 25m không thể đặt thẳng cạnh một thành tích ở bể 50m mà không có hệ số quy đổi và một ghi chú rõ ràng về điều kiện thi đấu. Bản tin thì thường không có ghi chú đó.

Kết quả là một nghịch lý trong nghề: chúng tôi có tên người, có thành tích, có huy chương, nhưng thiếu đúng thứ cần thiết để nói xem thành tích ấy có ý nghĩa gì. Và khi thiếu thứ cần thiết, phản xạ quen thuộc của ngành là thay thế bằng cảm xúc.

Một bản tin chung kết ở Việt Nam thường được viết trong khoảng bốn mươi phút sau khi trận đấu kết thúc. Người viết có trong tay ba nguồn: thông cáo của ban tổ chức, hai đến ba câu trả lời phỏng vấn nhanh ở khu vực hỗn hợp, và cảm giác của chính mình trên khán đài. Ba nguồn ấy không tạo ra một điểm dữ liệu nguyên tử nào theo nghĩa chuyên môn. Chúng tạo ra nguyên liệu cho một bài kể chuyện, và bài kể chuyện luôn hoàn thành trước khi dữ liệu kịp về.

Một điểm dữ liệu nguyên tử trong bơi lội trông như thế này: Nguyễn Huy Hoàng, chung kết 1500m tự do nam, ASIAD 2026 tại Jakarta, huy chương bạc, thành tích 15 phút 01 giây 63, theo bảng kết quả công bố của ban tổ chức. Câu đó có bốn thứ không thể tách rời: tên người, nội dung thi đấu, giải đấu kèm năm, và thành tích kèm đơn vị. Bỏ bất kỳ phần nào, nó hết dùng được.

Một ví dụ khác: Nguyễn Thị Ánh Viên, 25 huy chương vàng SEA Games trong sự nghiệp, con số được báo chí trong nước nhắc lại nhiều lần trong suốt mười năm. Hay: Trần Hưng Nguyên, huy chương đồng Olympic trẻ 2026 tại Buenos Aires, nội dung 200m hỗn hợp cá nhân nam.

Đặt cạnh đó là kiểu câu mà tôi đọc hàng trăm lần mỗi mùa giải: kỳ này đội bơi thi đấu thuyết phục, tinh thần rất tốt, các em đã cố gắng hết sức. Những câu ấy không sai về mặt đạo đức, nhưng chúng không có giá trị truy vết. Một tháng sau không ai kiểm chứng được chúng. Ba năm sau không ai dùng lại được chúng để so sánh.

Quy tắc tôi tự đặt cho mọi hồ sơ: dưới ba điểm dữ liệu nguyên tử thì chưa được phép kết luận, dưới năm điểm thì mọi kết luận phải ghi kèm độ tin cậy.

Ngưỡng ba điểm đến từ một lý do rất thực dụng. Với một điểm, người viết chỉ đang mô tả. Với hai điểm, người viết có thể dựng một đường thẳng giả tạo giữa hai sự kiện bất kỳ. Từ ba điểm trở lên, người viết buộc phải đối mặt với câu hỏi khó nhất: các điểm này có cùng một cơ chế vận hành hay không. Năm điểm là ngưỡng để bắt đầu nói về phân bố, và phân bố mới là thứ cho phép đưa ra xác suất thay vì khẳng định.

Trong hồ sơ chín trang kia, cả chín tầng đều dừng ở mức không. Trang phân tích kỹ thuật không có nội dung thi đấu nào được xác định. Trang thành tích không có mốc thời gian nào để đặt cạnh kỷ lục thế giới hay kỷ lục châu lục. Trang hệ thống thi đấu không có tên giải, nghĩa là không biết đây là giải trong nước, giải châu lục hay giải thế giới, cũng không biết nằm ở vị trí nào trong chu kỳ bốn năm. Trang bản đồ thế giới không có quốc gia nào, không có nội dung nào, nên không dựng được bức tranh ai đang giữ từng nội dung và ai đang đe dọa.

Điều tương tự lặp lại ở các trang còn lại. Không có tên vận động viên thì không xác định được vị trí tuổi trên đường cong thành tích, không nói được vận động viên đang ở giai đoạn tăng trưởng nhanh, giai đoạn chững lại hay giai đoạn đỉnh cao. Không có tên huấn luyện viên và mô hình tập luyện thì không đánh giá được hệ thống khoa học thể thao phía sau. Không có lịch sử chấn thương thì không cảnh báo được vai của người bơi tự do và đầu gối của người bơi ếch.

Trang rủi ro cũng vậy. Rủi ro chỉ tồn tại khi có một chủ thể gắn với một tuyên bố. Không có chủ thể và không có tuyên bố thì mọi ô rủi ro đều để trống, và việc để trống là hành động đúng, không phải hành động né tránh.

Có một cách để nhận ra hồ sơ đang ở trạng thái trống thay vì trạng thái thưa. Với hồ sơ thưa, tức là hồ sơ có một vài điểm dữ liệu nhưng thiếu ngữ cảnh, người phân tích vẫn có thể suy luận và dán nhãn độ tin cậy thấp. Với hồ sơ trống, mọi suy luận đều trở thành sáng tác. Khoảng cách giữa hai trạng thái này là khoảng cách giữa một bài phân tích dám nhận mình chưa chắc, và một bài phân tích tự tin đến mức bịa ra sự thật.

Trong vài năm gần đây, tôi gặp khá nhiều trường hợp đường ống dữ liệu đứt ở khâu nhập liệu chứ không phải ở khâu phân tích. Bảng kết quả được chụp ảnh rồi nhập tay, tên vận động viên bị sai dấu, ký tự tiếng Việt bị lỗi font khi chuyển đổi, một số dòng bị mất khi xuất tập tin. Kết quả cuối cùng là một hồ sơ mở được, đúng cấu trúc, nhưng rỗng ruột. Lỗi hiếm khi nằm ở người phân tích. Nó nằm ở người gác cổng đầu nguồn, và người đó thường là một phóng viên đang chạy hạn với ba bản tin trong một buổi tối.

Mỗi cú sốc đều có xác suất riêng. Ta gọi là sốc khi chưa kịp tra bảng số. Ở môn bơi, câu này đúng theo nghĩa rất cụ thể. Một vận động viên trẻ phá kỷ lục quốc gia ở tuổi mười tám không phải là hiện tượng kỳ lạ nếu xét phân bố tuổi của những người từng phá kỷ lục quốc gia trong cùng nội dung ở khu vực Đông Nam Á. Kỷ lục quốc gia của Việt Nam ở nhiều nội dung nữ vẫn thấp hơn kỷ lục SEA Games, nghĩa là dư địa phá kỷ lục vẫn còn dày. Người không tra bảng sẽ gọi đó là bùng nổ. Người tra bảng sẽ nói đó là kết quả nằm trong khoảng dự báo, và bắt đầu hỏi về độ dốc của đường tiến bộ trong ba năm tiếp theo.

Cách đọc này có một hệ quả trực tiếp cho truyền thông trong nước. Mỗi khi một vận động viên trẻ xuất hiện, áp lực kỳ vọng lập tức dồn lên vai người đó, và phần lớn áp lực ấy được tạo ra bởi những bài viết không có bảng số nào. Vận động viên phải sống trong một không gian kỳ vọng được dựng lên từ cảm xúc, và khi kết quả không đến đúng kỳ hạn, chính những người dựng không gian ấy quay lại đặt câu hỏi vì sao.

Điều kiện biên là phần bị bỏ qua nhiều nhất. Năm 2026, khi đại dịch khiến các giải đấu phải thi đấu trong điều kiện không khán giả, tôi theo dõi dữ liệu GPS của 29 cầu thủ tại một câu lạc bộ ở Sài Gòn và nhận thấy một điểm đáng chú ý: quãng đường chạy tốc độ cao tăng khoảng 20 phần trăm trong giai đoạn trước khi xảy ra chấn thương cơ. Từ phát hiện đó, tôi đề xuất chia bài tập thành bốn ngưỡng sức ép, và khi mùa giải trở lại, câu lạc bộ ghi nhận mức giảm khoảng 30 phần trăm số ca chấn thương so với mùa trước.

Nhưng điều tôi muốn nói ở đây không phải là con số giảm. Điều tôi muốn nói là biến số khán đài. Khi khán đài câm, lợi thế sân nhà tan thành một con số gần bằng không. Đó là một trong những phát hiện ổn định nhất trong dữ liệu thể thao nhiều thập niên, và nó áp dụng cho cả những môn mà khán giả ngồi rất xa mặt nước. Với bơi lội, khán đài ảnh hưởng ít hơn bóng đá vì khoảng cách vật lý lớn hơn, nhưng ở những nội dung thi đấu sát nhau từng phần trăm giây, tiếng hò reo có thể tạo ra khác biệt ở đoạn nước rút cuối.

Trong hồ sơ chín trang kia, điều kiện biên không thể được đưa vào mô hình vì không có giải đấu nào để gắn điều kiện vào. Một lần nữa, ô trống là câu trả lời đúng.

Song song với đó là một cái bẫy khác mà tôi từng mắc. Khi kéo dài chuỗi thời gian để truy vết gốc rễ một kết quả, người phân tích rất dễ thấy hai chuỗi dữ liệu cùng biến động và vội kết luận chuỗi này sinh ra chuỗi kia. Trong trường hợp dữ liệu GPS năm 2026, kết luận đúng phải là quãng đường chạy tốc độ cao tăng có liên hệ với chấn thương cơ, không phải gây ra chấn thương cơ. Cơ chế nối giữa hai biến là tích lũy mệt mỏi vi mô ở sợi cơ, và nếu không mô tả được cơ chế đó, mọi tuyên bố nhân quả đều đứng trên không.

Cú sút xuất hiện một lần. Quỹ đạo của nó kéo dài nhiều năm. Với bơi lội, một lần phá kỷ lục cá nhân ở một buổi sáng vòng loại có thể là điểm hội tụ của một chuỗi dài gồm khối lượng tập luyện, thay đổi kỹ thuật quay vòng, chất lượng phục hồi, lịch thi đấu và cả việc đối thủ chính vắng mặt. Muốn biết lần phá kỷ lục ấy có tái lập được hay không, người phân tích phải tách chuỗi thành các tham số và hỏi từng tham số một. Không có chuỗi, không có lần thứ hai.

Một kỷ nguyên chiến thuật tàn đi khi bảng số liệu của nó không còn ai đọc. Ở bơi lội, các kỷ nguyên ít được đặt tên hơn so với bóng đá, nhưng chúng tồn tại. Có giai đoạn các quốc gia trong khu vực dồn nguồn lực vào những nội dung cự ly ngắn vì chi phí đào tạo thấp hơn. Có giai đoạn khác dồn vào cự ly dài vì tính bền bỉ phù hợp với thể trạng và điều kiện tập luyện tại chỗ. Những lựa chọn ấy để lại dấu vết trong bảng huy chương, và dấu vết chỉ đọc được nếu có người chịu lưu lại bảng số.

Kết luận rỗng không phải là sản phẩm lỗi. Nó là sản phẩm duy nhất mà một quy trình dữ liệu trung thực có thể tạo ra khi đầu vào không tồn tại.

Đây là phần khó nhất của nghề. Trong phòng họp, người ta thưởng cho vẻ ngoài của phân tích, không thưởng cho chất lượng của phân tích. Một bài viết có mười hai con số trông chắc chắn hơn một bài viết nói rằng chưa đủ dữ liệu, kể cả khi mười hai con số ấy không có một nguồn nào kiểm chứng được. Cùng một logic, một biểu đồ đẹp có thể che đi việc trục tung không có đơn vị và trục hoành không có mốc thời gian.

Người làm dữ liệu thể thao sống trong mâu thuẫn ấy mỗi ngày. Ở một bên là áp lực phải có ý kiến ngay sau mỗi trận. Ở bên kia là nguyên tắc không kết luận khi chưa đủ ba điểm dữ liệu nguyên tử. Tôi chọn ở bên nguyên tắc, và trả giá bằng việc bỏ lỡ nhiều bài viết có lượt đọc cao.

Có một chi tiết khiến tôi tin rằng lựa chọn này đúng về dài hạn. Tôi theo dõi sự nghiệp của vận động viên bơi lội Việt Nam từ năm 2026 đến nay. Nguyễn Thị Ánh Viên rời đường đua đỉnh cao sau SEA Games trên sân nhà Hà Nội năm 2026, khép lại một sự nghiệp gắn với con số 25 huy chương vàng SEA Games. Khi một vận động viên như thế dừng lại, câu hỏi chuyên môn đặt cạnh sự nghiệp của họ là: ai đang giữ dữ liệu của hai mươi năm ấy, ai đang lưu đường bơi 50m của từng trận chung kết, ai có thể mở lại và trả lời vì sao một nội dung sở trường lại chững lại vào năm thứ bảy.

Câu trả lời thường là không ai, hoặc gần như không ai. Tuổi nghề của một vận động viên bơi lội đỉnh cao ngắn. Tuổi nghề của một tuyển thủ thể thao điện tử còn ngắn hơn. Nhưng hệ thống lưu trữ và hỗ trợ sau giải nghệ của cả hai môn gần như đều ở mức rất thấp. Vận động viên để lại thành tích trong bảng huy chương và để lại rất ít dữ liệu quá trình. Khi không có dữ liệu quá trình, thế hệ sau chỉ học được kết quả, không học được phương pháp.

Tôi ngồi cách xa sân cỏ để nhìn trận đấu rõ hơn cả trọng tài. Cùng một logic, người phân tích bơi lội ngồi cách xa mặt nước có thể nhìn rõ hơn người ngồi ở hàng ghế đầu, với điều kiện phải có dữ liệu. Không có dữ liệu, khoảng cách ấy chỉ là sự bất lợi.

Người thường nhìn bàn thắng để hiểu trận đấu. Tôi nhìn trận đấu để hiểu tháng năm. Chín trang trống kia là một lời nhắc về việc tháng năm không được lưu lại thì sẽ nhanh chóng biến thành giai thoại, và giai thoại thì không nâng được thành tích quốc gia lên một phần trăm giây nào.

Mùa giải đang chạy và các giải bơi trong nước vẫn tiếp tục công bố kết quả mỗi tháng. Việc cần theo dõi trong sáu tuần tới không nằm ở thứ hạng, mà ở chỗ các bảng kết quả có kèm điểm chia đoạn hay không, đơn vị tổ chức có ghi rõ bể dài hay bể ngắn hay không, và bản tin sau mỗi chung kết có ghi ngày thi cùng nguồn dữ liệu hay không. Ba tín hiệu ấy đọc được trong im lặng, và chúng cho biết liệu hai mươi năm dữ liệu bơi lội Việt Nam sắp tới có khác hai mươi năm vừa qua hay không.

Nếu câu trả lời là không, thì mọi hồ sơ chín trang sẽ tiếp tục được mở ra vào lúc 23 giờ 40, đầy đủ cấu trúc và trống ruột, và sẽ luôn có người viết kết luận từ chúng trước khi trời sáng.